Moodle

Die Veranstaltung richtet sich an Studierende der Wirtschaftswissenschaften mit grundlegenden Kenntnissen in deskriptiver und induktiver Statistik. Die Vorlesung bietet eine praxisorientierte und theoretisch fundierte Einführung in die Methoden der Ökonometrie und vermittelt statistische Verfahren, welche im Rahmen der empirischen Überprüfung ökonomischer Modelle (Hypothesentests bzw. Plausibilitätsprüfungen) Anwendung finden. In der ergänzenden Übung wird der Vorlesungsstoff anhand praktischer Anwendungen vertieft.

Zum Inhalt der regulären Veranstaltung: Aufbauend auf den im Modul "Deskriptive Statistik und Wahrscheinlichkeitsrechnung" vermittelten Konzepten der Wahrscheinlichkeitstheorie werden die Studierenden die Fähigkeit zur Auswertung der Information in Zufallsstichproben und wirtschaftsstatistischen Daten besitzen. Insbesondere werden Sie die Kompetenz zur sachgerechten Anwendung statistischer Schätzverfahren und Tests sowie zur Beurteilung und Interpretation statistischer Ergebnisse erwerben.

Im Rahmen der Veranstaltung "Deskriptive Statistik und Wahrscheinlichkeitsrechnung" werden die wichtigsten Grundlagen und Methoden vermittelt. Dabei umfasst die deskriptive Statistik verschiedene Fragestellungen der Datenerhebung sowie Methoden, mit denen ein gegebenes Datenmaterial übersichtlich dargestellt bzw. durch wenige aussagekräftige Zahlen wie Lageparameter, Streuungsmaße oder Korrelationskoeffizienten charakterisiert werden können. Die Wahrscheinlichkeitsrechnung befasst sich zunächst mit den grundlegenden Begriffen, wobei vor allem Zufallsvorgänge, die sich durch sogenannte Zufallsvariablen beschreiben lassen, im Vordergrund des Interesses stehen. Außerdem werden mit dem Gesetz der großen Zahlen und dem zentralen Grenzwertsatz zwei wichtige Sätze der Wahrscheinlichkeitsrechnung vorgestellt.

The goal is to familiarize students with advanced regression methods. After a brief review of the basics of linear regression modeling, additional techniques will be presented. Students will learn these models, be able to estimate them, interpret estimation results, and evaluate them in terms of model diagnostics. They critically examine the procedures they have learned.

Contents:

A Reminder of Linear Regression Basics
Classical Linear Regression Model Assumptions and Diagnostics
Simultaneous Equations
Limited Dependent Variable Models
Simulation Methods
Further Advanced Methods